AI & Big Data 08月27日
巨大機械如何透過雲端資料中台優化供應鏈與使用者體驗
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

巨大機械資訊經理林傑文分享,該公司如何透過打造雲端資料中台,有效支援多品牌、多業態集團業務的供應鏈管理與使用者體驗。面對長期累積的技術債及複雜的系統架構,巨大機械將既有系統拆解為「組裝式商業能力」(PBC)模組,並串接至雲端資料中台。此舉不僅提升了系統的彈性與可重複利用性,加速了海外公司IT系統的上線、簡化了系統廠商的替換流程,並使銷售與顧客數據分析更精確。此外,中台也為生成式AI應用(如售後維修助手)及消費者App(如RideLife)的開發提供了堅實基礎,展現了IT基礎架構優化對企業業務拓展的關鍵作用。

🔧 **化解技術債,重塑IT架構:** 巨大機械為了解決長期累積的技術債,以及由數十套高度客製化系統造成的龐大且笨重架構,決定以五年時間圍繞一個自建的新系統中台,重新打造IT架構。他們將個別系統拆解成「組裝式商業能力」(PBC)模組,每個PBC由一系列微服務與前端介面組成,定義好資料結構、API、事件通道,整合為單一的商業能力模組,以實現系統的彈性與重組能力。

☁️ **雲端資料中台整合與價值最大化:** 該公司在雲端環境部署資料中台,整合了數據湖、數據倉儲、資料處理模組及功能模組,並向前後端串接原始資料與各種應用服務。巨大機械強調,他們不僅是集中儲存資料,更精心設計中台架構,透過模組化精神,確保資料能被有效收集、處理、儲存與分析,以發揮資料的最大價值。

🚀 **提升業務拓展效率與數據洞察力:** 資料中台的導入顯著提升了巨大機械的業務拓展速度與效率。例如,新設立的泰國行銷公司能快速上線專屬系統;更換行銷平台廠商時,中台作為資料處理與系統連結角色,順利完成替換,無需大規模重寫後端系統。同時,統一的資料規格與標準化處理流程,使銷售與顧客數據分析更加精確,例如發現高階車款主要銷售於特定區域,進而優化門市佈局與商品配置。

💡 **驅動創新應用與生成式AI整合:** 數據的靈活運用,使巨大機械能夠快速搭上生成式AI的浪潮,打造出GenAI售後維修助手,透過RAG技術提升維修服務效率。同時,消費者端的新應用開發也更有效率,例如「RideLife」App能直接呼叫中台的PBC模組,快速整合騎行記錄、挑戰、社群互動、門店資訊等多樣功能。

🌱 **持續優化與未來展望:** 巨大機械將IT基礎架構優化視為一個長期旅程,並計畫在雲端環境打造GenAI基礎設施,標準化發展GenAI應用的流程,未來更將發展可重複利用的無伺服器設計模式來打造GenAI應用,持續推動技術與業務的結合。

近期一場活動中,自行車製造巨頭巨大機械資訊經理林傑文揭露,自家如何靠打造雲端資料中臺,來支援多品牌、多業態集團業務的供應鏈管理,以及使用者體驗塑造。

巨大機械品牌及商業模式複雜,50年來隨著企業發展,現已有4個品牌、4個子公司,透過B2B、B2B2C、D2C等模式提供商品與服務。背後有8座工廠、全家17家行銷公司,以及代理商、經銷商。

巨大業務涵蓋多品牌、多工廠與全球銷售公司,系統複雜度高,長期累積技術債,成為推動中臺建設的關鍵原因。攝影-郭又華

林傑文說,這些年來,IT部門都是隨著當下企業發展所需,快速打造出對應系統,例如經銷商下單系統、電商系統、POS系統、使用者系統等。過程中,卻忽略長期整規畫,最後累積出數十套高度客製化的系統與複雜的串接關係,技術債築高臺。

系統架構龐大且笨重,使IT難以彈性的開發、改動系統,來進一步因應巨大機械仍在快速成長的業務。

過去依賴大量客製化的單體式架構,ERP與自建平臺高度耦合,導致系統笨重難以擴充。攝影-郭又華

面臨這些技術債,巨大不希望放棄既有高度客製化,已經深度融入業務流程的系統,同時,又需要使系統架構更加彈性,能快速導入新系統,來因應業務擴張。為了同時達成這兩項需求,5年前,他們決定圍繞著一個自建的新系統中臺,來重新打造IT系統架構。

將內部系統拆分為基礎模組後重組,再串接回中臺

巨大機械資料中臺部署在雲端環境,以因應未來擴大系統規模的可能性。中臺由數據湖、數據倉儲、資料處理模組,以及功能模組組成,向後端串接原始資料來源,向前端則串接不同企業與消費者用的App與服務。BI工具與GenAI應用,也會透過中臺存取資料。

巨大機械在雲端打造資料中臺,將資料湖、資料倉儲與功能模組整合,提供前端應用與GenAI存取資料。攝影-郭又華

林傑文強調,他們不是單純導入一個系統中臺,再把所有系統串接上去就完事。「我們不只是把資料全丟到中臺集中儲存,更精心設計中臺架構,來發揮資料最大價值。」

他們的策略是,將模組化精神發揮到極致,不只把個別系統視為可以串聯到中臺的模組,連系統本身都得拆解成個別功能模組。設計功能模組時,則時刻思考,資料如何收集、處理、儲存與分析。如此,才能在打造中臺時,決定資料存放種類、存放方式,以及處理方式。

打造功能模組的做法是,全面審視既有系統,背後是由哪些基礎功能結合而成,並將他們拆解成一個個「組裝式商業能力」模組(PBC,Packedged Business Capabilities)。PBC是由一系列微服務與前端介面組成,定義好資料結構、API、事件通道(Event Channel),整合為特定商業能力的單一模組。

巨大以「組裝式商業能力」(PBC)為核心,將系統拆解成微服務模組,提升重複利用與靈活組裝能力。攝影-郭又華

有了這些PBC功能模組,不同前端服務便能根據商業需求,來呼叫對應模組。例如,旅行服務可以呼叫行程規畫、預約、導遊等;腳踏車服務有車隊資訊查詢、預約、會員經營模組;售後服務有預約、聯絡維修人員等。

PBC特性,使技術團隊能重複使用模組,商業團隊也能理解不同模組對應的商業用途。巨大機械更鼓勵商業團隊,設計銷售模式和客戶服務時,都要思考如何重複利用、重新組裝不同模組,來充分利用既有資源,開發出最好的商業模式。

林傑文說,從打造PBC到組成中臺的過程中,IT還學會了從企業高度思考,同時顧及商業實務應用目的、系統整合可行性,以及資料準備程度。「對從商業到技術的需求透徹了解,才能正確拆解功能和資料。」

中臺帶來的系統彈性與可重複利用性,如何加速巨大機械拓展業務

導入資料中臺後,巨大機械已經體驗到它帶來的諸多效益,包括後端系統建置與維運更簡單、資料運用更靈活,以及前端服務開發更快速。

第一個例子是海外公司IT系統快速上線。過去若要設立海外新公司,IT團隊往往需要針對業務和語言需求,在既有系統上進行大量客製化開發。有了中臺,巨大新設立的泰國行銷公司,只需要呼叫對應功能模組和資料,就能更快、更簡單的打造出專屬系統。

另一個例子是,巨大得以快速替換系統廠商。他們近年更換行銷平臺廠商時,用中臺扮演資料處理與系統連結的角色,順利且快速的完成替換,而不需大規模重寫後端系統,或花費許多時間重建一整套前後端串接機制。

新系統架構下,資料規格更加統一、處理流程也標準化,有助於他們更快速、精確地分析銷售數據和顧客數據。例如,他們將BI工具串接中臺資料庫來分析後,發現高階車款主要銷售於彰化區域的門店,而非想像中的都會區。這些基礎但重要的分析能力強化後,使巨大能針對區域特性重新規畫門市部局與商品配置。

數據運用更靈活,還使他們得以搭上生成式AI浪潮,打造出GenAI售後維修助手。巨大則運用中臺資料建立維修知識庫。透過RAG技術,AI可以正確回答維修人員相關專業問題,提升維修服務效率。

在消費者端,中臺也讓新應用開發更有效率。例如,巨大旗下「RideLife」App,能記錄騎行路程,並結合挑戰、社群互動等功能。同時,提供經銷商門店、直營店的資訊與促銷活動。雖然此App功能多元,但打造起來相當容易,都能直接呼叫中臺中的PBC模組,而非從零開始打造。

林傑文說:「IT基礎架構的優化與發展,是一個長期、無止盡的旅程。」中臺帶來的這些益處,如今看起來十分美好。不過,這是5年來,他們耐心打造系統架構的一塊塊積木,在看不到明顯成果時咬牙撐過,才贏得的結果。

旅程的下一步,他們計畫於雲端環境打造GenAI基礎設施,來標準化用RAG及客製化模型發展GenAI應用的流程。未來,更要發展可以重複利用的無伺服器設計模式(Serverless patterns)來打造GenAI 應用。

巨大計畫在AWS發展GenAI基礎建設,並標準化未來發展相關應用的流程。攝影-郭又華

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

巨大機械 雲端資料中台 供應鏈管理 使用者體驗 技術債 組裝式商業能力 PBC 生成式AI GenAI Giant Manufacturing Cloud Data Mid-Platform Supply Chain Management User Experience Technical Debt Packaged Business Capabilities Generative AI
相关文章